王 煜,葉 賽,范文濤
(1.廣東金融學院 互聯(lián)網金融與信息工程學院,廣州 510521;2.通用電氣(中國)有限公司,北京 100176)
數(shù)控機床是一種裝有程序控制的系統(tǒng)的自動化機床,在現(xiàn)代化制造車間中有著舉足輕重的作用。為提高數(shù)控機床的加工精度,準確辨識數(shù)控機床刀具的位置,需要檢測數(shù)控機床的制造信息資源[1]。在以往的制造方式下,制造信息資源都是在特定的模塊內進行組織的,由于制造信息資源管理中的體系不完備,都將會導致制造信息資源發(fā)生重復出現(xiàn)的情況,而且還使基礎信息共享和同步都很難實現(xiàn),嚴重的影響信息系統(tǒng)的充分集成,為此,提升制造信息資源的檢測精度已經成為當前相關領域的研究重點[2]。
目前很多專家學者們對數(shù)控機床制造信息資源自動化檢測進行了研究,也都取得了一定的成果。文獻[3]提出基于MTConnect協(xié)議的數(shù)控機床數(shù)據(jù)采集方法。該方法設計了系統(tǒng)的數(shù)據(jù)庫結構,據(jù)此開發(fā)了數(shù)控機床數(shù)據(jù)采集系統(tǒng),完成了數(shù)控機床制造信息資源的檢測。該方法完成時間較短,但是檢測準確率相對較低。文獻[4]提出了一種基于旋轉軸綜合誤差測量的信息資源檢測方法。根據(jù)數(shù)控機床刀具繞旋轉軸轉動時的理論坐標與實際坐標的誤差數(shù)據(jù),得到誤差辨識數(shù)據(jù),通過檢測得出信息資源數(shù)據(jù)。該方法具有一定的檢測準確率,但是在分析的過程中,能量消耗較大。
針對上述這種情況,文中提出一種新的基于粒度結構分析的數(shù)控機床制造信息資源自動化檢測方法方法。測試結果表明,該方法對制造信息資源元數(shù)據(jù)粒度結構分析的完成時間較短、準確率較高、能量消耗較少,具有一定的應用價值。
粒度結構模型具有可拓展性及可分解性的特點,粒度結構的層次分明,能夠精準分析結構復雜的制造信息資源系統(tǒng),準確檢測元數(shù)據(jù)信息[5]。
分析制造信息資源系統(tǒng),得到制造信息資源元數(shù)據(jù)粒度結構模型,具體過程如下所述:
將數(shù)控機床制造信息資源元數(shù)據(jù)問題轉化成一個用三元組(X,F(xiàn),T)來表示的形式,其中X代表元數(shù)據(jù)中所有元素集合,F(xiàn)代表元數(shù)據(jù)中數(shù)據(jù)屬性之間的映射關聯(lián)規(guī)則,利用函數(shù)F:X→Y來進行描述,Y代表在歐式空間中元數(shù)據(jù)的集合,T代表元數(shù)據(jù)粒度結構,描述元數(shù)據(jù)粒度所有元素之間存在的相互關系,利用圖1可以給出,將制造信息資源元數(shù)據(jù)粒度通過某種屬性來對元數(shù)據(jù)中所有元素集合進行劃分的度量[6]。
圖1 數(shù)控機床制造信息資源元數(shù)據(jù)粒度表達形式
制造信息資源元數(shù)據(jù)粒度結構的表達形式包含下面幾個優(yōu)勢:
第一個是元數(shù)據(jù)中所有元素集合的可拓展性,也可以將其理解成是可以通過需要條件來擴大元數(shù)據(jù)問題所涉及的元素。
第二個是對象集的可分解性,可以將其理解成是通過元數(shù)據(jù)所有元素集合中各個元素之間的關聯(lián)來對制造信息資源元數(shù)據(jù)粒度問題進行分解。
通過上述分析得出,數(shù)控機床制造信息資源元數(shù)據(jù)粒度結構的層次結構都比較清晰,利用這個表達形式可以對內容結構相對復雜的制造信息資源系統(tǒng)提供有效的檢測手段[7]。
引入引入粒度結構分析方法,來找出產品制造過程中各種制造信息資源元數(shù)據(jù)對象和它的特征信息。首先建立制造信息資源元數(shù)據(jù)粒度結構模型,如圖2所示。
步驟1:獲取數(shù)控機床制造信息資源元數(shù)據(jù)對象和它的特征[8]。
圖3 數(shù)控機床制造信息資源元數(shù)據(jù)對象和它的特征獲取
1)R代表元數(shù)據(jù)的對象集;Ri代表資源類型,它主要劃分為產品資源類、人力資源類和組織資源類等;Rij代表不同類型中所含有的資源對象。
2)F(R)代表數(shù)控機床制造信息資源元數(shù)據(jù)對象的特征映射體系;主要利用它來表述制造信息資源元數(shù)據(jù)對象對整個生命周期產品的研發(fā)過程進行映射的關聯(lián)規(guī)則,按照每個產品研發(fā)過程來對制造信息資源元數(shù)據(jù)對象主要特征的加工處理,以此來獲取出每個資源元數(shù)據(jù)對象的特征[9]。
3){C1,C2,…}代表數(shù)控機床制造信息資源元數(shù)據(jù)對象的特征集合;Ck(k=1,2,3,…)代表相對于元數(shù)據(jù)集合R中的對象Rij,通過{Ckn}來組成,Ckn代表制造信息資源元數(shù)據(jù)對象的具體特征,通過制造信息資源元數(shù)據(jù)對象在各個研發(fā)過程中進行映射來獲得,是反映資源元數(shù)據(jù)對象的主要特征屬性。
步驟2:制造信息資源元數(shù)據(jù)對象的特征組織結構。
圖4 數(shù)控機床制造信息資源元數(shù)據(jù)對象的特征組織結構
1)G(C)代表制造信息資源元數(shù)據(jù)對象的特征組織結構,通過來組成,其中G1(C)代表一種編碼方式,它可以組成元數(shù)據(jù)對象編碼的特征組合形式;G2(C)代表整個系統(tǒng)的需求,用來表述各個系統(tǒng)需求的特征組合形式。
2){Gi{Cij}}代表制造信息資源元數(shù)據(jù)對象的特征組合形式的集合,根據(jù)G(C)的組織結構來對Ckn的組合進行操作[10]。
根據(jù)上文得出的制造信息資源元數(shù)據(jù)粒度結構模型,進行數(shù)控機床制造信息資源的自動化檢測,具體過程如下:
針對數(shù)控機床制造信息的自動采集問題,由于數(shù)控機床受到電磁干擾的影響,射頻識別設備無法準確采集其制造信息,因此本文采用德國巴魯夫公司所生產的專業(yè)級RFID設備,并通過PLC連接數(shù)控系統(tǒng),完成數(shù)控機床制造信息的精準采集,能夠為刀具的位置辨識與壽命預測提供精確信息[11]。
由于采集到的制造信息中含有重復的數(shù)據(jù),需要根據(jù)元粒度結構模型,描述數(shù)控機床制造信息資源內部元素之間信息交互和它們的屬性關聯(lián),即描述數(shù)控機床制造信息資源關鍵屬性結構化的數(shù)據(jù),用表示,式中Rg代表第g粒度層次上的元數(shù)據(jù),XR代表采集的數(shù)控機床制造信息。
式中,fact可以選取eig函數(shù);l代表制造信息資源元數(shù)據(jù)元素集合的維度,代表為第g個粒度層次上的元數(shù)據(jù)i是否能夠代替第j維度上的元數(shù)據(jù),當它為1的時候能夠代替,否則不能[12]。
通過制造信息資源元數(shù)據(jù)粒度結構模型,能夠有效去除數(shù)控機床制造信息資源中的重復數(shù)據(jù),得到精準數(shù)控機床制造信息資源元數(shù)據(jù),并以此建立數(shù)控機床制造信息資源自動化檢測模型。
式中,X為數(shù)控機床制造信息資源系統(tǒng)數(shù)據(jù)的平均值,當采集到的數(shù)控機床制造信息數(shù)據(jù)量大于該值時,輸出數(shù)控機床制造信息資源元數(shù)據(jù),反之則輸出G-1粒度層次上的元數(shù)據(jù)[13~15]。
根據(jù)自動化檢測模型,完成數(shù)控機床制造信息資源的自動化檢測。
為了驗證所提出基于粒度結構分析的數(shù)控機床制造信息資源自動化檢測方法的綜合有效性,需要進行一次測試,測試環(huán)境為lntel(R) Core(TM)2 Duo CPU E7400,主頻為2.80GHz,內存為2.00GB配置的PC機上,以元數(shù)據(jù)管理平臺為測試平臺,采用文獻[3]、文獻[4]提出的方法為實驗的對照組,分別從分析檢測準確率、檢測時間及檢測過程能量消耗三個方面進行測試,測試結果如圖5所示。
分別采用所提方法與文獻[3]方法和文獻[4]方法進行制造信息資源的檢測準確率(%)對比,測試三種方法在分析數(shù)據(jù)數(shù)量為20、40和60個時的檢測準確率,準確率計算公式為:
圖5 數(shù)控機床制造信息資源檢測界面
其中,A0為成功判斷是否重復的數(shù)據(jù),A為總數(shù)據(jù)。
根據(jù)準確率計算公式,得到分析準確率測試結果如表1所示。
表1 不同方法檢測準確率對比
分析表1可以看出,所提方法在數(shù)據(jù)數(shù)量為20個、40個、60個時,制造信息資源檢測準確率都為100%;而文獻[3]方法和文獻[4]方法在數(shù)據(jù)數(shù)量為20個、40個、60個時,檢測準確率都明顯低于所提方法分析準確率,通過對比可知,采用所提方法得到數(shù)控機床制造信息資源檢測的準確率高,具有較好的分析效果。
在測試了檢測準確率的基礎上,進一步測試三種方法的檢測時間(s)。分別測量三種方法檢測100、300及500個制造信息資源數(shù)據(jù)的完成時間,測試結果如表2所示。
分析表2可以看出,3種方法在檢測相同數(shù)量的制造信息資源時,所提方法的檢測時間都明顯低于文獻[3]方法和文獻[4]方法,通過對比可知,所提方法完成數(shù)控機床制造信息資源檢測的時間較短,效率高。
表2 不同方法檢測時間對比測試
測試三種方法檢測數(shù)控機床制造信息資源的能量消耗(bit)情況,計算公式如下:
式中,s為制造信息資源數(shù)據(jù)個數(shù),j為單位數(shù)據(jù)能耗量。根據(jù)式(4)得出測試結果如圖6所示。
圖6 不同方法制造信息資源檢測能量消耗對比測試
分析圖6可以看出,隨著數(shù)據(jù)數(shù)量的不斷增加,3種方法的能耗也隨之增加,當數(shù)據(jù)數(shù)量為80個時,所提方法的制造信息資源檢測能量消耗大約為550bit,文獻[3]方法的制造信息資源檢測能量消耗大約為780bit,文獻[4]方法的制造信息資源檢測能量消耗大約為860bit,通過對比可知,所提方法檢測數(shù)控機床制造信息資源的能量消耗最小,具有一定的應用價值。
本文提出了一種基于粒度結構分析的數(shù)控機床制造信息資源自動化檢測方法。該方法通過對數(shù)控機床制造信息資源元數(shù)據(jù)技術的分析,得到制造信息資源元數(shù)據(jù)粒度結構模型,在此基礎上,采集數(shù)控機床制造信息,根據(jù)元數(shù)據(jù)粒度結構模型去除了采集到的制造信息中的重復數(shù)據(jù),以此構建數(shù)控機床制造信息資源自動化檢測模型,完成數(shù)控機床制造信息資源的自動化檢測。經過測試結果表明,該方法對數(shù)控機床制造信息資源的檢測時間較短、檢測準確率較高、能量消耗較少,說明該方法能夠高效準確的完成數(shù)控機床制造信息資源檢測,在提高數(shù)控機床的加工精度、預測機床使用壽命等方面具有一定的應用價值。